哥伦比亚大学与中央研究院联合提出MANTA框架,使多Agent系统通信拓扑在推理时动态演化,解决固定拓扑局限。该框架含拓扑表示、编排循环、Playbook记忆和审计分类法,支持五种结构修改。在五个基准测试平均得分74.0,比最强基线高5.8个百分点,PlanCraft任务最佳,且降低计算成本。
本研究分析了粒子群优化算法在配置不明确时的低可靠性问题,探讨了不同通信拓扑对信息流和收敛速度的影响,提升了优化决策的可解释性,并提出了选择合适拓扑的建议。
完成下面两步后,将自动完成登录并继续当前操作。